Avoiding Unintentionally Correlated Shocks in Proxy Vector Autoregressive Analysis
避免代理变量 VAR 分析中非预期的冲击相关性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论代理变量 VAR 的结构冲击识别、GMM 估计及过度识别检验。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
避免代理变量 VAR 分析中非预期的冲击相关性
- 研究问题
- 多个代理变量分别识别 VAR 冲击时，如何避免估计出的冲击意外相关，并利用不相关限制改进结构参数估计？
- 方法与思路
- 作者提出强制冲击不相关的 GMM 方法；在每个代理仅识别一个冲击且与其余冲击不相关时，利用额外的过度识别限制。
- 材料陈述的贡献
- 摘要称这些限制可提高结构参数估计效率，并支持使用 Hansen 的 J 检验检查设定；方法还推广了更严格假设下的已有方案。
- 阅读关注点
- 应核对代理变量的相关性与排除条件、冲击不相关限制如何进入矩条件，以及权重矩阵和 J 检验的有效性条件。
- 阅读边界
- 解读限于所给 OpenAlex 摘要；效率收益取决于摘要所述代理条件，具体识别要求和实证结果未说明，J 检验也不能证明设定正确。
原文摘要
Noting that the shocks in vector autoregressive models can be correlated if a number of shocks is identified individually by multiple proxy variables, we propose a Generalized Method of Moments (GMM) approach for estimation that enforces uncorrelated shocks.We point out that if each proxy identifies exactly one shock and is uncorrelated with all other shocks, uncorrelatedness of the shocks provides over-identifying restrictions that can be used in our approach to improve the estimation efficiency of the structural parameters.It also opens up the possibility to use Hansen's J-test to check the model specification.Our method generalizes other GMM proposals that work under more restrictive assumptions.We illustrate its usefulness by two empirical examples from the recent literature.